王長清，賀坤宇，蔣 帥

河南師范大學(xué) 電子與電氣工程學(xué)院，河南 新鄉(xiāng) 453007

狹小空間目標(biāo)檢測是計(jì)算機(jī)視覺的特殊應(yīng)用任務(wù)之一，在禁入目標(biāo)管控識別[1]、人流量智能統(tǒng)計(jì)[2]、異常行為檢測[3]等方面具有廣泛的應(yīng)用價值。狹小空間是受到光線、角度和內(nèi)部結(jié)構(gòu)等因素影響較小的單一背景場景，其難點(diǎn)在于面臨多目標(biāo)之間相互遮擋和攝像頭取景不完整等因素影響時，傳統(tǒng)輕量級算法的檢測結(jié)果存在大量漏檢和虛檢，因此實(shí)現(xiàn)狹小空間遮擋目標(biāo)輕量級檢測算法具有重要的研究意義。

傳統(tǒng)目標(biāo)檢測依賴人工特征提取，并通過支持向量機(jī)（support vector machine，SVM）[4]等分類器完成檢測任務(wù)[5]，其識別過程較為復(fù)雜且主觀性強(qiáng)，對遮擋顯著區(qū)域不敏感，在檢測精度與速度均衡性和魯棒性方面表現(xiàn)較差?，F(xiàn)階段，隨著卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）[6]的不斷發(fā)展，端對端的思路被應(yīng)用到目標(biāo)檢測算法中，其中典型算法有SSD[7]和YOLO系列[8-9]等。這類算法將分類過程與回歸網(wǎng)絡(luò)合并為一個階段進(jìn)行，在檢測精度與速度的均衡性方面有著明顯的提升，適合部署在移動端進(jìn)行狹小空間目標(biāo)檢測。王新國等[10]提出一種融合ECA注意力機(jī)制的YOLOv4-tiny網(wǎng)絡(luò)，在狹小空間行人檢測數(shù)據(jù)集中準(zhǔn)確率達(dá)到84.12%。李海濱等[11]將候選框融合網(wǎng)絡(luò)PRN（partial residual network）融入YOLOv4-tiny頸部位置，完成對狹小空間的四種粉塵檢測，準(zhǔn)確率達(dá)到81.27%。華志超等[12]提出一種YOLO網(wǎng)絡(luò)與HOG特征結(jié)合的檢測方法，將狹小電梯場景中禁入目標(biāo)的正確識別率提高至89.02%。王琳等[13]針對狹小場景中行人檢測，提出一種引入金字塔池化模型的YOLO_PPM網(wǎng)絡(luò)，能夠充分融合上下文語義信息，檢測精度明顯提升。

現(xiàn)有的基于YOLOv4-tiny網(wǎng)絡(luò)的算法在狹小空間中取得良好的檢測性能，但也存在以下不足：（1）骨干網(wǎng)絡(luò)過于輕量化，特征圖在逐層傳遞過程中輪廓演化不足，無法在訓(xùn)練過程中有效地學(xué)習(xí)更多的遮擋目標(biāo)特征。（2）頸部傳統(tǒng)特征融合網(wǎng)絡(luò)FPN（feature pyramid network）[14]過于簡單，不同尺度特征圖間融合效率低下，易丟失邊緣細(xì)節(jié)信息。（3）傳統(tǒng)IoU-NMS算法在后處理階段具有局限性，易將重疊預(yù)測框誤刪，導(dǎo)致漏檢。

針對存在的問題，以狹小場景中電梯轎廂、公共汽車車廂、客機(jī)機(jī)艙為主要研究場景，基于YOLOv4-tiny算法[15]提出一種自適應(yīng)NMS的多尺度檢測算法（YOLO adaptive-NMS based multi-scale feature fusion，YOLOAMF）。首先，通過骨干網(wǎng)絡(luò)引入大尺度特征圖優(yōu)化策略（large-scale optimization strategy），形成更加細(xì)?；娜N尺度有效特征層，增加模型對遮擋目標(biāo)顯著區(qū)域的關(guān)注度，學(xué)習(xí)更多遮擋細(xì)節(jié)特征，并引入改進(jìn)的金字塔池化模型，聚合上下文信息擴(kuò)增感受野；其次，頸部網(wǎng)絡(luò)設(shè)計(jì)內(nèi)嵌空間注意力的雙路金字塔特征融合網(wǎng)絡(luò)（coordinate attention based double feature pyramid network，CA-DFPN），在原始FPN結(jié)構(gòu)上增加自下而上和跳躍連接兩條融合通道，提升不同尺度間特征圖利用率，減少邊緣信息丟失問題；最后，在后處理階段提出將預(yù)測框中心因子融入自適應(yīng)NMS的判別方法，減少傳統(tǒng)IoU-NMS算法對重疊目標(biāo)框的誤刪，提高網(wǎng)絡(luò)對遮擋目標(biāo)的判別性。實(shí)驗(yàn)結(jié)果表明，YOLO-AMF算法面對狹小空間遮擋目標(biāo)時檢測精度與速度的均衡性優(yōu)于常用輕量級算法，滿足應(yīng)用需求。

1 YOLO-AMF算法

基于YOLOv4-tiny算法，本文提出如圖1所示的YOLO-AMF網(wǎng)絡(luò)模型，由骨干網(wǎng)絡(luò)、特征融合網(wǎng)絡(luò)、檢測頭網(wǎng)絡(luò)三部分組成，輸入端為3通道RGB圖像。首先通過改進(jìn)的骨干網(wǎng)絡(luò)中P3、P4、P5層將特征圖尺度擴(kuò)增為76×76、38×38、19×19進(jìn)行關(guān)鍵信息提?。蝗缓髮?個不同尺度的特征圖輸入雙路金字塔特征融合網(wǎng)絡(luò)進(jìn)行低、高層語義信息的特征融合，再將含有豐富語義信息的特征圖輸入檢測頭網(wǎng)絡(luò)；最終通過改進(jìn)的自適應(yīng)NMS算法進(jìn)行后處理階段，其中密度估計(jì)模塊（density subnet）[16]能夠使訓(xùn)練模型感知場景密集程度，并融入預(yù)測框中心距離因子，自適應(yīng)調(diào)整閾值對多余錨框進(jìn)行篩選，得到目標(biāo)預(yù)測框。

圖1 YOLO-AMF網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 YOLO-AMF network structure diagram

1.1 改進(jìn)的骨干網(wǎng)絡(luò)

改進(jìn)后的CSPDarknet53-tiny骨干網(wǎng)絡(luò)如圖2所示，由CBL卷積層（convolutional）、CSP Block、最大池化層、CSP_PPM池化金字塔四部分構(gòu)成，原始網(wǎng)絡(luò)的輸出層是32倍和16倍下采樣的兩個比例尺寸特征圖（P4、P5），感受野是作用于輸入圖像上的區(qū)域，網(wǎng)絡(luò)越深感受野越大，低分辨率的深層特征圖擁有更大的感受野檢測大、中目標(biāo)，高分辨率淺層特征圖的感受野較小，邊緣信息豐富，更適用于檢測遮擋目標(biāo)。

圖2 改進(jìn)的骨干網(wǎng)絡(luò)Fig.2 Improved backbone network

針對遮擋目標(biāo)具有顯著區(qū)域較小的特點(diǎn)，原始網(wǎng)絡(luò)只有P4、P5通道進(jìn)行加強(qiáng)特征提取，易丟失大量邊緣細(xì)節(jié)信息。改進(jìn)的骨干網(wǎng)絡(luò)中引入大尺度特征圖優(yōu)化策略和改進(jìn)的金字塔池化模塊，使網(wǎng)絡(luò)捕捉更加細(xì)致的圖像信息，通過提升輸入圖像分辨率，將輸出特征尺寸由13×13、26×26改變?yōu)?9×19、38×38。而相對輸入圖像為8倍下采樣的第二個CSPNet結(jié)構(gòu)[17]中包含更多遮擋細(xì)節(jié)特征，因此添加P3（76×76）細(xì)?；瘷z測分支，加強(qiáng)對淺層網(wǎng)絡(luò)的學(xué)習(xí)能力，減少訓(xùn)練過程中淺層信息丟失。

針對特征提取過程中網(wǎng)絡(luò)不斷加深，導(dǎo)致實(shí)際網(wǎng)絡(luò)感受野總有一定偏差，使網(wǎng)絡(luò)無法有效融合全局特征，丟失特征信息問題，將CSPNet結(jié)構(gòu)思想引入到金字塔池化模型（pyramid pooling module，PPM）[18]，構(gòu)成如圖3所示的CSP_PPM池化網(wǎng)絡(luò)，并加入骨干網(wǎng)絡(luò)末端。采用聚合策略將1×1、2×2、3×3、6×6四種不同尺度的平均池化窗口作用于傳入的高級語義信息，實(shí)現(xiàn)將豐富的高層次信息向低層次特征的映射，利用1×1卷積將池化后的4個特征圖進(jìn)行通道壓縮，通過3×3卷積層的特征整合和跳躍連接通道，與未經(jīng)過池化的特征圖進(jìn)行級聯(lián)融合。最后將聚合各個區(qū)域有效上下文信息的特征圖傳入骨干網(wǎng)絡(luò)的瓶頸層，網(wǎng)絡(luò)加深的同時聚合淺層細(xì)節(jié)信息與高層語義信息，增強(qiáng)弱小遮擋目標(biāo)的表征能力且不會帶來性能損失。

圖3 CSP_PPM結(jié)構(gòu)Fig.3 CSP_PPM structure

1.2 改進(jìn)的多尺度融合網(wǎng)絡(luò)及自適應(yīng)NMS算法

原始YOLOv4-tiny使用傳統(tǒng)金字塔FPN結(jié)構(gòu)為特征融合網(wǎng)絡(luò)，該結(jié)構(gòu)僅通過一條自上而下的融合路徑進(jìn)行高、底層特征信息的融合，會出現(xiàn)冗余信息過多，傳遞過程中易丟失淺層邊緣信息的問題。

針對上述問題，提出如圖4所示的雙路金字塔特征融合網(wǎng)絡(luò)CA-DFPN結(jié)構(gòu)。在傳統(tǒng)FPN結(jié)構(gòu)基礎(chǔ)上，引入兩個融合節(jié)點(diǎn)，構(gòu)建自上而下、自下而上和加入空間注意力的跳躍連接三條特征融合通道，并引入深度可分離卷積（depthwise separable convolution，DS Conv）[19]為下采樣，改進(jìn)模型在不增加額外計(jì)算量的同時擁有更有效的P3、P4、P5不同尺度間特征融合效果，融合后特征圖包含更加豐富的底層細(xì)節(jié)信息與高級語義信息。

圖4 CA-DFPN結(jié)構(gòu)圖Fig.4 CA-DFPN structure diagram

為防止遮擋目標(biāo)信息在下采樣過程中被噪聲淹沒導(dǎo)致特征信息的丟失，同時保證輕量化，采用3×3深度可分離卷積層代替普通3×3卷積層作為下采樣。兩種卷積層結(jié)構(gòu)如圖5所示，假設(shè)利用普通3×3卷積層將大小為H×W、維度為x的特征圖像提取為維度y，計(jì)算量為9×x×y×H×W；深度可分離卷積將提取特征過程分解為深度卷積和逐點(diǎn)卷積，先使用C個3×3×1卷積核依次對H×W×C的圖像進(jìn)行單通道特征提取，再通過N個1×1×C卷積核對經(jīng)過深度卷積的圖像進(jìn)行通道堆疊，計(jì)算量為9×x×H×W+x×y×H×W，計(jì)算量只有普通卷積層的1/9。通過批量歸一化（batch normalization，BN）和LeakyReLU激活函數(shù)有效解決因DS Conv加深網(wǎng)絡(luò)帶來的梯度消失與爆炸現(xiàn)象。

圖5 標(biāo)準(zhǔn)卷積層和深度可分離卷積層Fig.5 Standard convolutional layer and depth separable convolutional layer

針對檢測過程中對遮擋目標(biāo)顯著區(qū)域注意力不足問題，將CA（coordinate attention）空間注意力機(jī)制[20]加入特征融合網(wǎng)絡(luò)，在通道注意力基礎(chǔ)上兼顧其位置關(guān)系，考慮跨緯度交互的重要性，使得網(wǎng)絡(luò)模型對感興趣目標(biāo)的位置更加敏感和精準(zhǔn)。注意力網(wǎng)絡(luò)提取顯著特征過程如圖6所示。分別對特征圖的水平、垂直方向進(jìn)行全局平均池化，得到兩個方向的聚合特征，通過級聯(lián)融合和1×1卷積變換函數(shù)F進(jìn)行特征變換；然后兩個1×1卷積通過F h和F w變換函數(shù)，將整合在一起的特征圖分解為兩個通道數(shù)相等的特征圖，通過sigmoid激活函數(shù)輸出張量；最終經(jīng)過特征整合得到顯著性注意區(qū)域y c。

圖6 CA注意力機(jī)制結(jié)構(gòu)圖Fig.6 CA attention mechanism structure diagram

其中，f表示特征圖的中間映射，β表示非線性激活函數(shù)，z h、zw是垂直和水平上的位置信息；g h和g w表示經(jīng)過sigmoid輸出的兩個通道數(shù)相同的特征圖；xc表示跳躍連接上的特征信息。

原始YOLOv4-tiny網(wǎng)絡(luò)后處理階段采用傳統(tǒng)IoUNMS算法，通過設(shè)置固定NMS閾值，對冗余錨框采用嚴(yán)格過濾方法，在遮擋嚴(yán)重的場景中因?yàn)椴煌繕?biāo)框重疊面積（IoU）過大，易被視為同一目標(biāo)，而將真實(shí)預(yù)測框去除，導(dǎo)致模型漏檢。

針對后處理階段存在問題，提出融合預(yù)測框中心距離因子的自適應(yīng)NMS算法，并代替?zhèn)鹘y(tǒng)IoU-NMS。在回歸網(wǎng)絡(luò)最后一層引入密度估算分支，該結(jié)構(gòu)由1×1、3×3卷積核與sigmoid激活函數(shù)組成，用來學(xué)習(xí)預(yù)測框中目標(biāo)區(qū)域的密度，從而通過反饋的密度值自適應(yīng)地調(diào)整NMS閾值大小，減少在遮擋場景因NMS閾值不匹配而導(dǎo)致的漏檢。每個區(qū)域所映射的目標(biāo)密集程度如式（4），首先計(jì)算真實(shí)框（ground true）M i與周圍真實(shí)框M j的最大IoU值，以此表示該區(qū)域密度d i。真實(shí)框之間IoU值越大表示該區(qū)域密集程度大，此時將使用較大NMS閾值處理冗余錨框。動態(tài)閾值定義如式（5）所示：

其中，d x表示置信度最高候選框周圍的密集程度，當(dāng)密度得分高于所預(yù)先設(shè)置的閾值Nt時，則使用更高的N x閾值進(jìn)行監(jiān)督預(yù)測，否則使用預(yù)先設(shè)定的閾值。

經(jīng)過動態(tài)NMS閾值的改進(jìn)，模型能夠自適應(yīng)地判別復(fù)雜場景與稀疏場景，但傳統(tǒng)IoU-NMS算法依賴固定的IoU值判斷目標(biāo)框之間的重疊情況具有一定的局限性。例如當(dāng)目標(biāo)框之間重疊面積相同時（IoU相等）或沒有相交時（IoU=0），無法區(qū)分目標(biāo)框之間相交姿態(tài)，此時傳統(tǒng)IoU-NMS失效，于是引入目標(biāo)框中心距離因子，計(jì)算如式（6），使目標(biāo)間發(fā)生重疊時得到目標(biāo)框此時的位置情況，預(yù)測框回歸得更加準(zhǔn)確，進(jìn)一步降低漏檢情況。DIoU-NMS可視化如圖7所示。

圖7 DIoU-NMS示意圖Fig.7 Schematic diagram of DIoU-NMS

2 數(shù)據(jù)集和實(shí)驗(yàn)環(huán)境

2.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)平臺為Win10操作系統(tǒng)，CPU為Intel?CoreTMi5-7500 CPU@3.40 GHz，GPU為NVIDA GeForce RTX 2080TI，使用Pytorch1.6.0框架。

2.2 數(shù)據(jù)集制作

為實(shí)現(xiàn)輕量級狹小空間遮擋目標(biāo)識別算法，共設(shè)置PASCAL VOC07+12公開數(shù)據(jù)集（包含訓(xùn)練集16 551張圖片，測試集4 952張圖片）和自制數(shù)據(jù)集兩組數(shù)據(jù)集。

其中自制數(shù)據(jù)集共20 291張圖片，由11 296張電梯轎廂和8 995張公共汽車車廂、客機(jī)機(jī)艙與自然場景的真實(shí)圖片組成，包含四種不同場景，訓(xùn)練集和驗(yàn)證集按照7∶3劃分，其中70%的圖片具有目標(biāo)相互遮擋或攝像頭取景不完整的特點(diǎn)，能夠有效防止訓(xùn)練中因狹小空間背景過于單一造成過擬合現(xiàn)象，并提升模型在通用狹小場景的泛化能力。數(shù)據(jù)集定義人（person）、電動車（electric-bicycle）、自行車（bicycle）三種檢測類別，并設(shè)置嬰兒車（baby carriage）、手推車（trolley）、家具（furniture）、貨物（goods）、寵物（pet）等負(fù)樣本提升模型魯棒性。每張圖片的標(biāo)注面積與圖片面積按照一定比例利用LabelImg軟件標(biāo)注，且圖片長寬不超過3∶1，使得Kmeans++聚類算法可以計(jì)算出更加匹配的先驗(yàn)框（anchors box）尺寸，使預(yù)測框更加貼合目標(biāo)。數(shù)據(jù)集所含樣本見表1所示。

表1 數(shù)據(jù)集所含類別數(shù)量Table 1 Number of classes in dataset

由于狹小空間的大小具有不確定性，且攝像頭取景高度變化很大，導(dǎo)致目標(biāo)在圖像中的占比大小具有差異性，使模型對不同尺寸目標(biāo)的自適應(yīng)能力下降，故在預(yù)處理階段采用Mosaic數(shù)據(jù)增強(qiáng)[21]對數(shù)據(jù)集通過隨機(jī)縮放、隨機(jī)裁剪、隨機(jī)分布的方式隨機(jī)選取4張圖片進(jìn)行拼接，使訓(xùn)練集中大、中、小目標(biāo)更加均勻，故數(shù)據(jù)集得到更多遮擋和不完整目標(biāo)樣本，模型訓(xùn)練更加魯棒。數(shù)據(jù)增強(qiáng)后的部分?jǐn)?shù)據(jù)集如圖8所示。

圖8 部分?jǐn)?shù)據(jù)集Fig.8 Part of dataset

3 實(shí)驗(yàn)結(jié)果與分析

自制數(shù)據(jù)集以7∶3隨機(jī)劃分訓(xùn)練集與測試集，并設(shè)置多組消融實(shí)驗(yàn)，以驗(yàn)證每個改進(jìn)策略對模型的效果，進(jìn)而得到最優(yōu)模型。同時為進(jìn)一步驗(yàn)證算法性能方面的說服力，在PASCAL VOC07+12公開數(shù)據(jù)集上設(shè)置與目前最常用的幾種輕量級算法的對比實(shí)驗(yàn)，通過比較評估參數(shù)平均檢測精度（mAP）和檢測速度（FPS）來對比算法的有效性。

3.1 評估參數(shù)

在評估過程中，目標(biāo)是否被網(wǎng)絡(luò)正確分類表示為T（true）或者F（false），目標(biāo)本身是正類或負(fù)類表示為P（positive）或者N（negative）。TP為被正確檢測的正類總數(shù)。TN表示被正確檢測的負(fù)類總數(shù)。FP表示被誤檢的正類總數(shù)。FN表示被誤檢的負(fù)類總數(shù)。

其中，精確率（precision）表示網(wǎng)絡(luò)檢測的所有目標(biāo)中為正類個數(shù)的比例，召回率（recall）表示網(wǎng)絡(luò)檢測的所有正類占數(shù)據(jù)集所有正類的比例。對于最終的評估結(jié)果，AP代表某一類別的綜合評價，AP值越高代表單一類別精度越高。mAP是對整個網(wǎng)絡(luò)水準(zhǔn)的評估，C表示數(shù)據(jù)集所包含類類別數(shù)，c表示單個類別。

3.2 模型訓(xùn)練

實(shí)驗(yàn)均在以下參數(shù)設(shè)置中進(jìn)行，輸入圖片為608×608；epoch為300輪；batch_size前70輪為128，后230輪為32，；learning_rate學(xué)習(xí)率前70輪為1E-3，后230輪為1E-4；momentum為隨機(jī)梯度下降（stochastic gradient descent，SGD），根據(jù)梯度下降的程度對初始學(xué)習(xí)率進(jìn)行動量減少，以達(dá)到更好的收斂結(jié)果，設(shè)置為0.9。訓(xùn)練過程Loss曲線如圖9所示。

圖9 訓(xùn)練損失曲線Fig.9 Training loss curve

隨著epoch不斷增加，Loss損失值在不斷降低，訓(xùn)練進(jìn)行到70輪后損失曲線趨于穩(wěn)定，沒有產(chǎn)生欠、過擬合現(xiàn)象，原始YOLOv4-tiny算法與改進(jìn)算法的Loss值收斂于2.3和1.9左右，證明模型的識別精度在不斷提高，YOLO-AMF算法各項(xiàng)超參數(shù)設(shè)置合理。

3.3 消融實(shí)驗(yàn)

消融實(shí)驗(yàn)是以YOLOv4-tiny為基準(zhǔn)結(jié)合不同創(chuàng)新策略，在包含四種場景的自制數(shù)據(jù)集下進(jìn)行訓(xùn)練和性能評估，在保證實(shí)時性的前提下，提高算法的識別精度。不同算法模型測試結(jié)果見表2所示。

表2 消融實(shí)驗(yàn)Table 2 Ablation experiment

表2對每項(xiàng)改進(jìn)策略的有效性進(jìn)行分析，從實(shí)驗(yàn)2~6可以看出每項(xiàng)改進(jìn)模塊均對模型有著不同程度的貢獻(xiàn)。其中實(shí)驗(yàn)4引入CA-DFPN結(jié)構(gòu)對網(wǎng)絡(luò)貢獻(xiàn)最大，mAP提高1.61個百分點(diǎn)。初始YOLOv4-tiny（實(shí)驗(yàn)1）的mAP值為94.23%，采用大尺度特征圖優(yōu)化策略后（實(shí)驗(yàn)2）的mAP值為94.72%，召回率提升1.30個百分點(diǎn)，表明引入該優(yōu)化策略使模型加強(qiáng)對淺層細(xì)節(jié)信息的提取，使遮擋目標(biāo)的訓(xùn)練更加深入；實(shí)驗(yàn)7在實(shí)驗(yàn)2的基礎(chǔ)上在骨干網(wǎng)絡(luò)瓶頸區(qū)加入CSP_PPM池化金字塔，mAP值和召回率比實(shí)驗(yàn)1提升1.03個百分點(diǎn)和2.37個百分點(diǎn)，可以看出CSP_PPM結(jié)構(gòu)在擴(kuò)大感受野的同時降低網(wǎng)絡(luò)過深帶來的感受野偏差，從而提高對特征圖輪廓信息的表達(dá)效果；實(shí)驗(yàn)8在實(shí)驗(yàn)7的基礎(chǔ)上引入雙路金字塔特征融合網(wǎng)絡(luò)，mAP值和召回率達(dá)到了96.33%和91.93%，相比于實(shí)驗(yàn)1提高了2.10個百分點(diǎn)和4.21個百分點(diǎn)，表明不同尺度間淺層細(xì)節(jié)信息和高級語義信息有著更優(yōu)的融合效果，使特征圖有更豐富的語義信息，從而提升對遮擋目標(biāo)的檢測?？紤]到傳統(tǒng)IoU-NMS算法的局限性，固定閾值法易將嚴(yán)重遮擋的目標(biāo)刪除，實(shí)驗(yàn)5引入動態(tài)NMS閾值法，mAP值和召回率均有提升，但僅根據(jù)傳統(tǒng)IoU值判斷相互重疊預(yù)測框位置，易導(dǎo)致回歸過程中產(chǎn)生誤差，故實(shí)驗(yàn)5、實(shí)驗(yàn)9檢測效果提升不明顯；實(shí)驗(yàn)10在實(shí)驗(yàn)9的自適應(yīng)NMS算法中引入目標(biāo)框中心位置影響因子，使預(yù)測框回歸更加準(zhǔn)確，mAP值和召回率比實(shí)驗(yàn)9高0.69個百分點(diǎn)和1.69個百分點(diǎn)，比實(shí)驗(yàn)1高3.06個百分點(diǎn)和6.17個百分點(diǎn)，進(jìn)一步減少對遮擋重疊目標(biāo)的漏檢、虛檢，且FPS保持87.9左右，表明模型仍有較高的檢測速度，滿足移動端實(shí)時檢測。

圖10展示了原始YOLOv4-tiny與消融實(shí)驗(yàn)中最優(yōu)模型YOLO-AMF在真實(shí)電梯轎廂場景的檢測效果對比?？梢钥闯龈倪M(jìn)后的算法在面對目標(biāo)較多且目標(biāo)之間相互遮擋的情況下，能夠有效地將原始算法所漏檢的嚴(yán)重遮擋目標(biāo)與圖像取景不完整目標(biāo)識別出來，明顯提升對遮擋目標(biāo)的檢測能力，而且對目標(biāo)重疊產(chǎn)生的大量冗余信息也有較好的消除作用，使預(yù)測框更加貼合目標(biāo)，減少虛檢現(xiàn)象。在第4張圖中目標(biāo)被非目標(biāo)物體嚴(yán)重遮擋時也有較好的檢測效果，進(jìn)一步證明算法的魯棒性較優(yōu)。

圖10 電梯轎廂場景測試對比Fig.10 Comparison of elevator car scene detection

為進(jìn)一步驗(yàn)證最優(yōu)模型YOLO-AMF在其他狹小場景中的檢測能力，建立包含公共汽車車廂與客機(jī)機(jī)艙兩個場景的測試集，如圖11展示YOLOv4-tiny模型與YOLO-AMF模型在其他真實(shí)狹小場景的測試實(shí)驗(yàn)結(jié)果。前兩行圖片為飛機(jī)客艙場景，其中多數(shù)目標(biāo)被座椅、口罩等非目標(biāo)物體所遮擋，導(dǎo)致YOLOv4-tiny模型出現(xiàn)大量漏檢現(xiàn)象，而改進(jìn)后的模型能夠快速分辨真實(shí)目標(biāo)與非目標(biāo)物體，減少漏檢；后兩行圖片為公共汽車車廂場景，其中目標(biāo)與目標(biāo)之間的遮擋較為嚴(yán)重，導(dǎo)致YOLOv4-tiny模型產(chǎn)生虛檢、漏檢現(xiàn)象，而YOLO-AMF后處理階段的動態(tài)NMS閾值能夠降低目標(biāo)框嚴(yán)重重疊被誤刪的情況，減少虛檢、漏檢現(xiàn)象。通過其他狹小場景測試實(shí)驗(yàn)可知，YOLO-AMF模型在不同狹小場景中均有著良好的泛化能力。

圖11 其他狹小場景測試對比Fig.11 Comparison of other narrow scene detection

以上實(shí)驗(yàn)表明，對于實(shí)際的狹小空間目標(biāo)檢測而言，YOLO-AMF算法各項(xiàng)改進(jìn)策略是有效的，能夠檢測到原算法的漏檢、虛檢目標(biāo)且提高檢測的精準(zhǔn)度，同時具備輕量級算法檢測速度快的特點(diǎn)，更高效地完成通用狹小場景遮擋目標(biāo)檢測任務(wù)。

3.4 PASCAL VOC數(shù)據(jù)集對比實(shí)驗(yàn)

為進(jìn)一步驗(yàn)證算法的有效性，將YOLO-AMF算法與目前使用率最高的幾類經(jīng)典算法Faster RCNN、YOLOv4、MobileNet-SSD、YOLOv3-tiny、YOLOv4-tiny，在PASCAL VOC07+12公開數(shù)據(jù)集進(jìn)行對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果見表3所示。

表3 對比實(shí)驗(yàn)Table 3 Comparative experiment

從表2可以看出，大型網(wǎng)絡(luò)算法的優(yōu)勢在于檢測精度高，例如使用Resnet50為主干網(wǎng)絡(luò)的Faster RCNN二階段算法和YOLOv4一階段典型算法，平均檢測精度分別達(dá)到了81.16%和89.03%，但模型體積過大，分別為522.9 MB和244.7 MB，導(dǎo)致難以部署到算力有限的移動端。改進(jìn)后的YOLO-AMF與大型網(wǎng)絡(luò)Faster RCNN在平均精度上相比也毫不遜色，僅落后0.39個百分點(diǎn)，模型體積只有其1/20。輕量級網(wǎng)絡(luò)的優(yōu)勢在于檢測速度和精度較為均衡，能夠在移動端進(jìn)行實(shí)時檢測，但面對復(fù)雜場景時的檢測效果較差，YOLO-AMF相比于MobileNet-SSD、YOLOv3-tiny和YOLOv4-tiny三種最常用的輕量化網(wǎng)絡(luò)在mAP上分別提高了10.09個百分點(diǎn)、9.34個百分點(diǎn)和2.84個百分點(diǎn)，有著更高的檢測精度，且符合實(shí)時檢測的標(biāo)準(zhǔn)。YOLO-AMF與YOLOv4-tiny在PASCAL VOC數(shù)據(jù)集上mAP曲線對比圖如圖12所示。可以看出從各個類別的不同尺度目標(biāo)上mAP均有明顯提升，例如在小目標(biāo)較多的pottedplant、boat、bird類別上分別提高了7個百分點(diǎn)、4個百分點(diǎn)、3個百分點(diǎn)，說明改進(jìn)后的算法在面對遮擋目標(biāo)和小目標(biāo)較多的場景時有著更優(yōu)秀的檢測效果，進(jìn)一步驗(yàn)證了改進(jìn)后算法的有效性。

圖12 YOLOv4-tiny和YOLO-AMF的mAP曲線對比Fig.12 Comparison of mAP curves of YOLOv4-tiny and YOLO-AMF

4 結(jié)束語

本文針對YOLOv4-tiny算法在狹小場景中遮擋目標(biāo)檢測方面的不足，基于YOLOV4-tiny算法，提出YOLOAMF算法，共進(jìn)行三種可行的改進(jìn)：（1）在骨干網(wǎng)絡(luò)提出大尺度特征圖優(yōu)化策略和引入聚合策略的金字塔池化網(wǎng)絡(luò)，使模型學(xué)習(xí)更多遮擋目標(biāo)信息；（2）在特征融合網(wǎng)絡(luò)提出輕型雙路金字塔特征融合網(wǎng)絡(luò)CA-DFPN結(jié)構(gòu)，提高不同尺度間特征圖的融合效率，增加豐富的邊緣細(xì)節(jié)信息；（3）在后處理階段提出動態(tài)NMS閾值結(jié)合目標(biāo)中心位置信息的方法，使模型能夠根據(jù)場景的復(fù)雜情況自動調(diào)整NMS閾值，防止對真實(shí)預(yù)測框的過濾，進(jìn)一步提高檢測精度。

實(shí)驗(yàn)表明，YOLO-AMF算法在PASCAL VOC07+12數(shù)據(jù)集和自建數(shù)據(jù)集中的mAP值分別提高2.84個百分點(diǎn)和3.06個百分點(diǎn)，達(dá)到80.77%和97.29%，且FPS保持在87.9，能夠快速準(zhǔn)確地檢測出遮擋目標(biāo)，為狹小空間目標(biāo)檢測的實(shí)際應(yīng)用提供一種高效的檢測方法。雖然算法精度有很大提升，但受限于主干網(wǎng)絡(luò)的輕量化，在通用場景目標(biāo)檢測時，小目標(biāo)檢測精度仍低于大型網(wǎng)絡(luò)，下一步將繼續(xù)優(yōu)化主干網(wǎng)絡(luò)，擴(kuò)充數(shù)據(jù)集，以適應(yīng)通用場景的小目標(biāo)檢測。